論文の概要: RL-Driven Security-Aware Resource Allocation Framework for UAV-Assisted O-RAN

• arxiv url: http://arxiv.org/abs/2510.18084v1
• Date: Mon, 20 Oct 2025 20:22:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:12.559596
• Title: RL-Driven Security-Aware Resource Allocation Framework for UAV-Assisted O-RAN
• Title（参考訳）: UAV支援O-RANのためのRL-Driven Security-Aware Resource Allocation Framework
• Authors: Zaineh Abughazzah, Emna Baccour, Loay Ismail, Amr Mohamed, Mounir Hamdi,
• Abstract要約: 無人航空機(UAV)のオープン無線アクセスネットワーク(O-RAN)への統合は、災害管理・捜索・救助(SAR)業務におけるコミュニケーションを強化する。 既存のUAV支援型O-RANアプローチは、動的環境におけるセキュリティ、レイテンシ、エネルギー効率の最適化をしばしば見落としている。 本稿では,UAVリレーにおける動的リソース割り当てのための新しい強化学習(RL)フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 4.742829970187343
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The integration of Unmanned Aerial Vehicles (UAVs) into Open Radio Access Networks (O-RAN) enhances communication in disaster management and Search and Rescue (SAR) operations by ensuring connectivity when infrastructure fails. However, SAR scenarios demand stringent security and low-latency communication, as delays or breaches can compromise mission success. While UAVs serve as mobile relays, they introduce challenges in energy consumption and resource management, necessitating intelligent allocation strategies. Existing UAV-assisted O-RAN approaches often overlook the joint optimization of security, latency, and energy efficiency in dynamic environments. This paper proposes a novel Reinforcement Learning (RL)-based framework for dynamic resource allocation in UAV relays, explicitly addressing these trade-offs. Our approach formulates an optimization problem that integrates security-aware resource allocation, latency minimization, and energy efficiency, which is solved using RL. Unlike heuristic or static methods, our framework adapts in real-time to network dynamics, ensuring robust communication. Simulations demonstrate superior performance compared to heuristic baselines, achieving enhanced security and energy efficiency while maintaining ultra-low latency in SAR scenarios.
• Abstract（参考訳）: 無人航空機(UAV)のオープンラジオアクセスネットワーク(O-RAN)への統合は、インフラの故障時に接続性を確保することにより、災害管理・検索・救助(SAR)業務におけるコミュニケーションを強化する。 しかしながら、SARシナリオでは、遅延や違反がミッションの成功を損なう可能性があるため、厳格なセキュリティと低レイテンシ通信が要求される。 UAVは移動型中継機として機能する一方で、エネルギー消費と資源管理の課題を導入し、インテリジェントなアロケーション戦略を必要としている。 既存のUAV支援型O-RANアプローチは、動的環境におけるセキュリティ、レイテンシ、エネルギー効率の最適化をしばしば見落としている。 本稿では,UAVリレーにおける動的資源配分のための新しい強化学習(Reinforcement Learning, RL)フレームワークを提案する。 提案手法は,RLを用いて解決した,セキュリティを考慮したリソース割り当て,レイテンシ最小化,エネルギー効率を統合する最適化問題を定式化したものである。 ヒューリスティックな手法や静的な手法とは異なり、我々のフレームワークはリアルタイムにネットワーク力学に適応し、堅牢な通信を保証する。 シミュレーションは、ヒューリスティックベースラインよりも優れた性能を示し、SARシナリオにおける超低レイテンシを維持しながら、セキュリティとエネルギー効率の向上を実現している。

関連論文リスト

• Efficient Onboard Vision-Language Inference in UAV-Enabled Low-Altitude Economy Networks via LLM-Enhanced Optimization [61.55616421408666]
  低高度経済ネットワーク(LAENets)は、航空監視、環境検知、セマンティックデータ収集など、様々な応用を可能にしている。 オンボードビジョン(VLM)は、リアルタイムな推論を提供するが、オンボードの動的ネットワーク条件は限られている。 動的LEENet条件下での通信効率を向上させるUAV対応LEENetシステムを提案する。
  論文  参考訳（メタデータ） (2025-10-11T05:11:21Z)
• Integrated Communication and Control for Energy-Efficient UAV Swarms: A Multi-Agent Reinforcement Learning Approach [9.51758427865825]
  本稿では,UAVSwarm支援通信の品質向上を目的とした,統合型通信・制御協調設計機構を提案する。 マルコフ決定過程(MDP)として,共同資源配分と3次元軌道制御問題を定式化する。 我々は,UAV群全体のリアルタイム協調動作を可能にするマルチエージェント強化学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-09-28T14:23:04Z)
• LLM Meets the Sky: Heuristic Multi-Agent Reinforcement Learning for Secure Heterogeneous UAV Networks [57.27815890269697]
  この研究は、エネルギー制約下での不均一なUAVネットワーク(HetUAVN)における機密率の最大化に焦点を当てている。 本稿では,Large Language Model (LLM) を用いたマルチエージェント学習手法を提案する。 その結果,本手法は機密性やエネルギー効率において,既存のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-07-23T04:22:57Z)
• Graph Neural Network Aided Deep Reinforcement Learning for Resource Allocation in Dynamic Terahertz UAV Networks [6.170724183076036]
  フレキシブルトポロジと超高データレートを備えたテラヘルツ(THz)ネットワークは、多数のセキュリティ監視、災害対応、環境応用に力を与えると期待されている。 しかし、動的トポロジと超高データレートは、THzの効率的な長期アンテナ特性を阻害する。 本稿では,自己ノードの特徴に着目した動的THz UAVネットワークにおけるリソース割り当てアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-08T06:36:17Z)
• Joint Resource Management for Energy-efficient UAV-assisted SWIPT-MEC: A Deep Reinforcement Learning Approach [50.52139512096988]
  6G Internet of Things (IoT)ネットワークは、地上インフラストラクチャが利用できない遠隔地や災害シナリオにおいて、課題に直面している。 本稿では、指向性アンテナにより強化された新しい無人航空機(UAV)支援コンピューティングシステムを提案する。
  論文  参考訳（メタデータ） (2025-05-06T06:46:19Z)
• Efficient Resource Management for Secure and Low-Latency O-RAN Communication [6.416635302499242]
  Open Radio Access Networks (O-RAN) は、中央集権的なアーキテクチャから分散アーキテクチャに移行することで、通信を変革している。 O-RANのクラウドベースのアーキテクチャへの依存と可観測性の向上は、セキュリティとリソース管理の課題をもたらす。 資源管理の効率化は,資源制約環境下でのO-RANのセキュアかつ信頼性の高い通信に不可欠である。
  論文  参考訳（メタデータ） (2025-03-10T21:03:48Z)
• Low-altitude Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.72954660774002]
  低地球軌道(LEO)衛星は、海上無線通信で広範囲にわたるデータ通信を支援するために使用できる。 LEO衛星を広範囲にカバーし、チャネルの開放性と組み合わせることで、通信プロセスはセキュリティ上のリスクに悩まされる可能性がある。 本稿では無人航空機による低高度衛星通信システムLEOについて述べる。
  論文  参考訳（メタデータ） (2025-01-26T10:13:51Z)
• Secure Resource Allocation via Constrained Deep Reinforcement Learning [49.15061461220109]
  リソース割り当て、タスクオフロード、セキュリティ、パフォーマンスのバランスをとるフレームワークであるSARMTOを紹介します。 SARMTOは5つのベースラインアプローチを一貫して上回り、最大40%のシステムコスト削減を実現している。 これらの拡張は、複雑な分散コンピューティング環境におけるリソース管理に革命をもたらすSARMTOの可能性を強調している。
  論文  参考訳（メタデータ） (2025-01-20T15:52:43Z)
• UAV-assisted Distributed Learning for Environmental Monitoring in Rural Environments [2.594420805049218]
  本稿では,無人航空機(UAV)を地域におけるIoT環境モニタリングのカバレッジ拡張中継として活用する,革新的なアプローチを提案する。 提案手法は,エッジデバイス,UAV,サーバ間のスプリットラーニング(SL)戦略を統合し,推論機構の適応性と性能を向上させる。
  論文  参考訳（メタデータ） (2024-07-02T22:21:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。